sre-operator

提供结构化的服务器运维工作流程，包含系统识别、安全检查、命令验证和故障排查；当用户需要系统管理、性能优化、日志分析或服务器维护时使用

OpenClaw 服务器运维

任务目标

• 本 Skill 用于：系统管理员、运维工程师进行安全高效的服务器维护操作
• 能力包含：系统识别、命令验证、风险评估、故障排查、性能监控、日志分析
• 触发条件：用户请求服务器维护、系统诊断、性能优化、故障修复或日常运维任务

核心原则

安全第一

• 永远先查看再执行：任何破坏性操作前，必须先确认当前状态
• 执行前评估风险：识别命令潜在影响，准备回滚方案
• 保持操作可追溯：记录每个关键操作的命令、时间、结果

系统识别优先

• 执行任何操作前，先识别系统类型（Linux 发行版、macOS、Windows）
• 根据系统类型选择合适的命令和工具
• 不假设系统环境，通过命令输出验证

验证驱动

• 执行前：验证命令语法、影响范围、资源可用性
• 执行后：验证操作结果、系统状态、数据完整性
• 异常时：保留现场、收集日志、分析原因

标准工作流程

阶段 1：环境识别与评估

1. 识别系统类型

   bash

   # Linux
   cat /etc/os-release
   uname -a
   # macOS
   sw_vers
   # Windows
   systeminfo
   

2. 评估当前状态

   • 系统负载：uptime 或 top -bn1 | head -20
   • 磁盘使用：df -h
   • 内存使用：free -h 或 vm_stat
   • 网络连接：ss -tuln 或 netstat -tuln

3. 检查风险因素

   • 是否在生产环境
   • 是否有关键服务运行
   • 是否有未提交的更改
   • 备份状态

阶段 2：命令评估与验证

1. 命令风险评估

   • 查阅 references/linux-commands.md 确认命令安全等级
   • 使用 --help 或 man 查看命令详细说明
   • 识别破坏性参数（如 -r、-f、--force）

2. 模拟执行（如果可能）

   • 使用 --dry-run 参数（如 rsync、apt-get）
   • 使用 echo 预览命令
   • 在测试环境先执行

3. 安全检查清单

   • 参考 references/safety-checklist.md
   • 确认数据备份
   • 准备回滚方案
   • 通知相关人员（如需要）

阶段 3：执行与监控

1. 执行命令

   • 使用绝对路径或确认命令来源
   • 添加详细日志记录
   • 在非高峰期执行（如适用）

2. 实时监控

   • 观察命令输出
   • 监控系统资源变化
   • 准备中断执行（如 Ctrl+C）

3. 记录操作

   • 记录执行的命令
   • 记录输出结果
   • 记录执行时间

阶段 4：验证与确认

1. 验证结果

   • 确认操作达到预期效果
   • 检查系统状态是否正常
   • 验证相关服务运行正常

2. 数据完整性检查

   • 确认数据未丢失或损坏
   • 验证权限和所有权正确
   • 检查配置文件语法

3. 文档更新

   • 更新运维日志
   • 更新配置文档（如需要）
   • 记录经验教训

常见运维场景

场景 1：系统性能诊断

触发：系统响应慢、负载高 流程：

1. 执行 scripts/analyze-system.sh --json 收集系统快照
2. 分析资源使用情况（CPU、内存、磁盘 I/O、网络）
3. 定位高消耗进程
4. 根据分析结果提供优化建议

场景 2：磁盘空间清理

触发：磁盘使用率超过阈值 流程：

1. df -h 确认磁盘使用情况
2. du -h --max-depth=1 /path 定位大目录
3. find /path -type f -size +100M 查找大文件
4. 列出可清理文件清单（不直接删除）
5. 等待用户确认后再执行清理

场景 3：进程管理

触发：进程异常、需要重启服务 流程：

1. ps aux | grep process_name 查找进程
2. systemctl status service_name 检查服务状态
3. 查看日志文件：journalctl -u service_name -n 50 或 /var/log/...
4. 分析异常原因
5. 提供解决方案（优先非破坏性方案）

场景 4：网络故障排查

触发：网络不通、服务不可访问 流程：

1. ping target_ip 测试连通性
2. ip addr 或 ifconfig 检查网络配置
3. ss -tuln 检查端口监听
4. iptables -L -n 或 nft list ruleset 检查防火墙
5. 查看 /var/log/syslog 或相关日志

场景 5：日志分析

触发：需要分析错误日志、排查问题 流程：

1. 确定日志位置：/var/log/...、journalctl
2. 按时间筛选：grep "ERROR" /path/log | tail -100
3. 按关键词搜索：grep "keyword" /path/log
4. 统计错误频率：grep "ERROR" /path/log | wc -l
5. 分析错误模式和上下文

场景 6：软件包管理

触发：安装、更新、卸载软件 流程：

1. 识别包管理器：apt-get、yum、dnf、pacman、brew
2. 更新包索引：apt-get update 或 yum check-update
3. 查看可用版本：apt-cache show package_name
4. 模拟安装：apt-get install --dry-run package_name
5. 执行安装并验证：apt-get install package_name + package_name --version

系统类型识别

Linux

• Ubuntu/Debian：存在 /etc/debian_version
• CentOS/RHEL：存在 /etc/redhat-release
• Arch Linux：存在 /etc/arch-release
• 通用命令：cat /etc/os-release

macOS

• 标识：sw_vers 或 uname -s 返回 "Darwin"

Windows

• 标识：systeminfo 或 ver

资源索引

必要脚本

• scripts/analyze-system.sh - 安全收集系统信息
  • 用途：快速了解系统状态和配置
  • 参数：--json 输出 JSON 格式，--output FILE 保存到文件

领域参考

• references/linux-commands.md - 常用命令参考与风险评估

  • 何时读取：执行不熟悉的命令前
  • 包含：命令说明、安全等级、示例、风险提示

• references/safety-checklist.md - 安全检查清单

  • 何时读取：执行任何破坏性操作前
  • 包含：执行前检查、风险评估、回滚准备

• references/troubleshooting-guide.md - 故障排查指南

  • 何时读取：遇到系统故障或异常时
  • 包含：常见故障场景、诊断流程、解决方案

注意事项

永远不要做的事

• 不要在未知系统上直接执行破坏性命令
• 不要使用 rm -rf 除非 100% 确认路径
• 不要在生产环境直接测试新命令
• 不要忽略命令警告和错误信息

推荐做法

• 优先使用只读命令获取信息
• 命令参数优先使用明确路径而非通配符
• 执行前先用 echo 预览完整命令
• 重要操作前先创建系统快照或备份

日志规范

• 关键操作记录时间、用户、命令、结果
• 异常情况记录错误信息和现场
• 定期审查操作日志，总结经验

使用示例

示例 1：系统健康检查

功能：全面检查系统状态 执行方式：调用脚本 + 智能体分析

bash

# 执行系统信息收集
/workspace/projects/openclaw/scripts/analyze-system.sh --json

智能体分析要点：

• 识别系统类型和版本
• 评估资源使用率
• 检查异常进程
• 识别潜在风险

示例 2：安全清理磁盘空间

功能：识别并建议清理大文件 执行方式：智能体引导 + 用户确认

bash

# 查找大文件（只读）
find /var/log -type f -size +100M -exec ls -lh {} \;

# 检查磁盘使用
df -h

关键步骤：

1. 使用只读命令定位目标
2. 列出清理建议清单
3. 等待用户确认
4. 执行清理并验证

示例 3：进程异常诊断

功能：诊断进程崩溃或卡死原因 执行方式：智能体分析

bash

# 查找进程
ps aux | grep nginx

# 检查服务状态
systemctl status nginx

# 查看日志
journalctl -u nginx -n 50 --no-pager

智能体分析：

• 结合进程状态、日志内容、系统资源
• 识别异常模式
• 提供针对性解决方案